针对新能源可靠供电中的供需平衡问题,提出一种计及局部阴影工况的光储直流微电网能量管理。首先,针对光伏阵列在局部阴影等弱光照工况下,传统最大功率点跟踪方法在功率捕捉能力与能源利用效率方面的不足,利用蝠鲼优化算法(manta ray fo...针对新能源可靠供电中的供需平衡问题,提出一种计及局部阴影工况的光储直流微电网能量管理。首先,针对光伏阵列在局部阴影等弱光照工况下,传统最大功率点跟踪方法在功率捕捉能力与能源利用效率方面的不足,利用蝠鲼优化算法(manta ray foraging optimization,MRFO)的全局与局部搜索优势,提出一种结合MRFO的自适应电导增量法(manta ray foraging optimization-adaptive variable step-incremental conductance,MRFO-AVS-INC),以在特殊工况下实现对光伏出力的有效跟踪;其次,针对系统集成中存在的多源扰动问题,在储能系统的能量管理与控制方面,提出一种考虑蓄电池工作状态的改进下垂控制方法,通过引入蓄电池的荷电状态(state of charge,SOC)和健康状态(state of health,SOH)等参数,实现下垂系数的自适应调节,从而合理分配各蓄电池的输出功率;最后,在不同光照条件下对光储系统进行仿真验证。仿真结果表明,与基于粒子群算法的自适应变步长电导增量法(particle swarm optimization-adaptive variable stepincremental conductance,PSO-AVS-INC)及传统INC相比,MRFO-AVS-INC方法在收敛速度与跟踪稳定性方面表现更优;改进的自适应下垂控制有效实现了储能单元之间的状态均衡,延长了储能系统的整体使用寿命。展开更多
文摘针对新能源可靠供电中的供需平衡问题,提出一种计及局部阴影工况的光储直流微电网能量管理。首先,针对光伏阵列在局部阴影等弱光照工况下,传统最大功率点跟踪方法在功率捕捉能力与能源利用效率方面的不足,利用蝠鲼优化算法(manta ray foraging optimization,MRFO)的全局与局部搜索优势,提出一种结合MRFO的自适应电导增量法(manta ray foraging optimization-adaptive variable step-incremental conductance,MRFO-AVS-INC),以在特殊工况下实现对光伏出力的有效跟踪;其次,针对系统集成中存在的多源扰动问题,在储能系统的能量管理与控制方面,提出一种考虑蓄电池工作状态的改进下垂控制方法,通过引入蓄电池的荷电状态(state of charge,SOC)和健康状态(state of health,SOH)等参数,实现下垂系数的自适应调节,从而合理分配各蓄电池的输出功率;最后,在不同光照条件下对光储系统进行仿真验证。仿真结果表明,与基于粒子群算法的自适应变步长电导增量法(particle swarm optimization-adaptive variable stepincremental conductance,PSO-AVS-INC)及传统INC相比,MRFO-AVS-INC方法在收敛速度与跟踪稳定性方面表现更优;改进的自适应下垂控制有效实现了储能单元之间的状态均衡,延长了储能系统的整体使用寿命。
